告别插件时代:MCP正成为AI通用接口

AI插件碎片化、维护成本高。MCP是通用AI接口，实现跨模型兼容、丰富上下文、低开销，正取代插件成为AI集成新标准。

译自：Goodbye Plugins: MCP Is Becoming the Universal Interface for AI^[1]

作者：Sowjanya Pandruju

三个月前，我花了两个星期构建了一个自定义插件，将我们的 AI 助手连接到我们的内部 CRM 系统。上周，我用一个 模型上下文协议 (MCP)^[2] 服务器取代了它，仅用了四个小时就实现了，而且它适用于我们堆栈中的所有 AI 模型。

这不仅是一次生产力的胜利，也预示着 AI 生态系统正在发生根本性转变。感觉碎片化插件的时代正在结束，而 MCP 正在崛起^[3]，成为一个通用的接口，可以标准化 AI 系统与工具、数据和现实世界互动的方式。

我们都非常了解的插件问题

任何构建过 AI 集成的人都深知其中的痛苦。每项服务都需要自己独特的插件，具有许多独特的认证方案、API 格式^[4]和维护开销。我见过团队将 60% 的 AI 开发时间花在集成管道上，而不是解决实际的业务问题。

考虑一下集成复杂性：

• • 每个平台都有不同的架构
• • 只适用于特定模型的插件
• • 上下文以隔离的块传递，没有统一的含义
• • 随着 API 变化而持续维护

一个典型的企业 AI 部署可能需要数十个插件，每个插件都可能是一个潜在的故障点。仅维护负担就给 AI 部署带来了巨大的扩展挑战。

引入 MCP：一种不同的方法

模型上下文协议采取了一种根本不同的方法。开发者无需为每次集成构建单独的插件，而是创建 MCP 服务器，通过标准化协议暴露系统功能。任何 MCP 兼容的 AI 模型都可以自动发现并使用这些功能。

MCP 缘何取胜

通用兼容性

最引人注目的优势是跨模型兼容性。一个 MCP 服务器可以与 Claude、GPT、本地模型和企业 AI 编排平台协同工作。“一次编写，随处运行”不再只是一句口号；它已成为现实。

丰富的上下文，不只是端点

插件暴露的是 API 端点，而 MCP 暴露的是上下文。AI 模型不再盲目调用 API，而是可以看到哪些工具可用、它们如何工作以及它们可以安全地做什么。这意味着无需开发人员过多干预，就能做出更好的决策。

为自主性而生

传统插件假定每次行动都需要人工批准。MCP 专为需要结构化动作、类型化输入和输出、安全边界和可审计性的代理式 AI 系统而设计。它是自主 AI 工作的天然基础。

更低的开销

团队无需维护数十个插件，而是创建一个 MCP 服务器，定义功能，然后让协议处理发现和协商。开发和维护负担显著降低。

实现 MCP 的技术考量

实现 MCP 并非没有挑战。该协议需要围绕以下方面进行周密设计：

• • 安全边界和访问控制
• • 错误处理和恢复机制
• • 高吞吐量场景的性能优化
• • 自主操作的监控和可观测性^[5]

然而，这些挑战在插件中也存在，而 MCP 只是提供了更好的工具来系统地解决它们。

这对开发团队意味着什么

向 MCP 的转变不仅仅是一次技术升级。它是我们架构 AI 系统方式的根本性变革：

• • 对于平台团队： 重点从维护集成适配器转向构建健壮、设计良好且能安全暴露组织能力的 MCP 服务器。
• • 对于 AI 工程师： 减少管道工作的时间，更多地关注智能行为和用户体验。
• • 对于企业架构师： 一条通往标准化 AI 集成模式的道路，可降低复杂性并改善治理。

采用正在加速

MCP 正在迅速获得关注。主要的 AI 平台正在增加支持，开源工具正在成倍增加，企业团队正在为新项目选择 MCP。

这不是炒作；它正在解决实际问题。MCP 修复了每个 AI 开发者都了解的集成难题，它是开源的，没有供应商锁定。这就是它获胜的原因。

展望未来

一个新的标准正在形成，我们正在实时见证它的发生。正如 REST API 取代了 SOAP，GraphQL 提供了更好的查询接口一样，MCP 正在将自己定位为碎片化插件生态系统的继任者。

过渡不会一蹴而就，但方向是明确的。今天构建 AI 系统的组织应该将 MCP 不仅仅视为插件的替代品，而应视为可扩展、可维护的 AI 集成架构的基础。

插件时代并没有轰轰烈烈地结束；它随着某种更好的东西的悄然采用而告终。MCP 正在成为 AI 的通用接口，聪明的开发团队正在走在前沿。

引用链接

[1] Goodbye Plugins: MCP Is Becoming the Universal Interface for AI: https://thenewstack.io/goodbye-plugins-mcp-is-becoming-the-universal-interface-for-ai/[2] 模型上下文协议 (MCP): https://thenewstack.io/when-is-mcp-actually-worth-it/[3] MCP 正在崛起: https://thenewstack.io/mcp-the-missing-link-between-ai-agents-and-apis/[4] API 格式: https://thenewstack.io/api-management/[5] 监控和可观测性: https://thenewstack.io/monitoring-vs-observability-whats-the-difference/